欢迎访问易轩外文网, 请 登录 或者 免费注册
基于最优特征变换的人工神经网络股市预测,计算机外文翻译,神经网络
文档价格: 100 金币 立即充值 文章语言: 英语-中文 原文出处: 请在文档内查看
译文字数: 5525 字 (节选翻译) 译文格式: Doc.docx (Word) 更新时间: 2018-07-06
加入收藏

基于最优特征变换的人工神经网络股市预测,计算机外文翻译,神经网络,股票预测,BP算法,特征变换,遗传算法

译文(字数:5525):

摘要:本文比较了基于遗传算法(GA)的特征变换优化方法与传统的人工神经网络(ANNs)方法的差别。在研究中,使用了遗传算法提高该神经网络算法的学习能力和普遍性,并使用改进后的预测算法进行预测并测量改进后算法的预测精度。这项研究在比较了以上基于遗传算法的改进变换算法和其他两种传统的特征变换预测方法后表明,改进后的模型具有更好的性能。实验结果发现,该模型提出的方法降低了特征空间的维数,减少无关的因素对股票预测的影响,具有更好的预测性能。

关键词:特征变换 遗传算法 模糊化 人工神经网络 股票预测

1引言

最近,人工神经网络(ANNs)经常被应用到金融领域的研究中,如股市预测,破产预测,和企业债券评级。在这些神经网络应用中,研究人员尝试使用ANNs学习财务数据内在规律进行预测研究。使用人工神经网络学习数据内在模式时,必须对数据进行预处理,将数据转换到一定的数值范围内进行,以便于人工神经网络能够有效地处理。在这个过程中,适当的数据转换简化了学习的过程,并一定程度上提高学习结果的普遍性。

在上诉的研究中经常使用线性缩放作为ANN的数据预处理方法。 线性缩放的目标是将每个数据元素归一化到[0,1]范围。 线性缩放通常用于增强ANN的性能,因为大多数ANN仅处理在[0.0,1.0]或[-1.0,+1.0] [1]的范围内的数据。 它还确保较大的输入值不会覆盖较小值的输入特征,从而有助于减少预测误差。 这是一种简单的不考虑独立数据和数据依赖特征之间的关联的数据预处理方法,。 然而,预测性能不仅靠通过提高单一特征的辨别能力增强,而且还受到特征之间的关联作用影响。另一种流行的预处理方法之一是特征变换。 特征变换是创建一组新特征的过程[2]。


原文(PDF格式,未统计字数):

易轩外文翻译网.png


上一篇:基于自适应差分演化的自主水下车辆的自动路径规划,计算机外文翻译
下一篇:交互式准视频点播系统的可扩展解决方案,计算机外文翻译,在线播放
相关文章推荐: TAG: 神经网络 遗传算法 计算机外文翻译 股票预测 BP算法 特征变换